人臉識別之人臉關鍵特徵識別

在上次人臉識別之影象預處理中，我們增加了預處理環節、排除環境和其他因素的干擾，將注意力集中在人臉上，提升識別效果。

人臉比對是透過計算兩張照片灰度值矩陣的距離來實現的，影象預處理透過各種手段拉近了兩個矩陣間的距離，從而讓計算出來的結果更精準。

但這樣就夠了嗎？我們的計算是基於畫素點的灰度值開展的，在計算中，各個畫素點都參與運算，具有同等的重要性，對結果的貢獻度也是一樣的。這種設計是否合理，計算的粒度是否太細而影響結果的可靠性？

從直覺上判斷，影象中畫素的重要性程度肯定不一樣，比如眼睛、鼻子、嘴巴等部位的畫素重要性應該更高，對結果有更大的影響。而臉部中間部位的畫素重要性比較低，甚至都沒有參與運算的必要性。

研究表明，確實有很多畫素沒有參與運算的必要，這些畫素被去除後不影響識別結果，還可以加快識別速度，並提升模型魯棒性。比如，在基於畫素級別的人臉對比中，透過在影象中加入一些噪聲，衍生出對抗攻擊，從而讓識別出現錯誤。

一、人臉特徵

不管是傳統的機器識別，還是近幾年大火的深度學習，都是將人類的學習能力透過計算機的計算能力得到表達和遷移。仔細想想，當我們將注意力集中在臉部，會怎麼樣描述一個人。可能的描述會是：

人天生就有很強的抽象和學習能力。當我們面對一張人臉照片時，會自動進行特徵處理和變換。當再次面對這張照片時，即使臉部特徵有所變形或者缺失，也不影響我們的識別。

人的這種抽象、變換及補全能力卻是計算機所缺少的，我們可以模仿人眼的這種識別手段，讓計算機將注意力轉移到鼻子、嘴巴等重要特徵上，從而擁有部分程度的智慧。

在計算機儲存的時候，不再是整個臉部的資訊，而是眼睛、鼻子、嘴巴等臉部部件，透過這些部件間的比對來判斷是否為同一物件。這種方法叫做基於人臉關鍵特徵的識別技術，通常是透過邊緣、輪廓檢測來實現的。

二、邊緣檢測

什麼是邊緣？通俗來說就是眼睛、鼻子等外部輪廓，在灰度影象中就是一些灰度值變化明顯的點，這些變化反映了影象的重要程度或所蘊含的資訊。

直觀上看，影象的邊緣附近的值出現明顯的分割，灰度值變化較大，而影象中比較平滑的部分，其灰度值變化較小。對於計算機來說，可以透過灰度階的變化來對影象資訊進行邊緣檢測。

這背後有數學理論的支撐，我們一般用梯度來描述變化快慢。在影象中的灰度變化既有方向也有大小，就可以使用影象梯度來描述這種變化，進而可以檢測出影象的邊緣。

在數學上，梯度既有大小，又有方向，並且需要要有一定的條件，比如可導等。在影象中一般會簡化處理，使用運算元進行代替。

運算元其實也是一種濾波，但使用運算元更強調其數學含義和特定用途。目前常用的邊緣檢測運算元，包括Sobel，Laplacian運算元和Canny等。我們簡單描述下Canny邊緣檢測。

Canny邊緣檢測

Canny邊緣檢測是澳洲計算機科學家 約翰坎尼（John F. Canny）於1986年開發出來的一個多級邊緣檢測演算法，其目標是找到一個最優的邊緣，其最優邊緣的定義是：

• 最優檢測——演算法能夠儘可能多地標示出影象中的實際邊緣，漏檢和誤檢的機率非常小；
• 最優定位——檢測出的邊緣要與實際影象中的實際邊緣儘可能接近；
• 檢測點與邊緣點一一對應——運算元檢測的邊緣點與實際邊緣點應該是一一對應的。

Canny邊緣檢測分為如下幾個步驟。

1）影象去噪

噪聲會影響邊緣檢測的準確性，因此首先要將噪聲過濾掉，通常使用高斯濾波。

2）計算梯度的幅度與方向

使用高斯濾波器來進行計算，讓距離中心點越近的畫素點權重越大。

3）梯度非極大值抑制

對畫素點進行遍歷，判斷當前影象是否為區域性最大值，即是否是周圍畫素點中具有相同梯度方向的最大值。如果不是，則不是影象的邊緣點，將灰度值置零，讓邊緣“變瘦”。

4）使用雙閾值演算法確定最終的邊緣

經過前面的步驟已經基本可以得到影象的邊緣，接下來對得到的邊緣進行修正。

設定兩個閾值：高閾值和低閾值。保留比高閾值高的邊緣，去除低於低閾值的邊緣，處於中間部分的則其連線情況進行再次處理：僅保留與其他邊緣連線的部分。

三、輪廓檢測

透過運算元計算出來的邊緣一般是不連續的，很難形成相對完整和封閉的目標輪廓，這樣提取出來的特徵效果可能不好。透過使用輪廓檢測演算法，可以忽略背景和目標內部的紋理以及噪聲干擾的影響，對邊緣進行細化並進行連線，解決那些不能依靠亮度建模而檢測出來的紋理邊界。

輪廓檢測也有一些方法，比如使用專門設計的檢測運算元等。透過使用這些運算元，可以生成更好的臉部特徵，有利於後續的計算和比對。

四、實現過程

以上簡單描述了人臉關鍵特徵的計算方法。在實際應用中，需要藉助於統計分析的技術，從大量的人臉中找到對應的特徵，並透過訓練出不同的分類器，如嘴巴分類器、眼睛分類器等，從而實現人臉及關鍵部位的檢測。

在進行比對時，需要對包含臉部的所有可能檢測視窗進行窮舉搜尋，得到關鍵部位資訊，並進行儲存或比對，這個過程相對比較耗時。在比對過程中，可以使用各個部位進行相似性比對，並進行結果合併；或者直接對包含各個部件的全域性特徵進行比對，直接輸出比對結果。

這兩種方法同樣對應著人類的識別過程，有研究表明，兒童識別目標（如人臉）往往依據目標的某些區域性特徵，而成年人則側重於記住目標的全域性。

人臉特徵的探測也可作為一種影象預處理手段，如果確定了兩眼的位置，得到兩眼間的距離，依此就可得到人臉的尺度大小，進行尺度標準化處理，解決人員距離採集器遠近的問題。

五、演算法評價

從理論上來說，人臉的關鍵部位特徵相對比較穩定，對人臉、方向等沒有過多要求，透過演算法提取的特徵能準確反映物件的特徵，具有一定的不變性，保證了結果輸出的一致性，能夠滿足人臉識別在早期各應用場景的使用。

當然，這裡面的運算元設計和模型構建都需要有領域知識的支撐。運算元的構建、特徵的提取以及模型的建立都影響著最終的匹配結果，需要具有深厚的專家知識和經驗。這個過程往往是手工建模完成的，各個模型及引數的設定都比較耗時，具有一定的主觀性。

同時，特徵工程的適配性較差。比如，各地區人員臉部特徵不同，會導致已經調整好的演算法在落地時，需要手動多次調整引數，過程耗時、耗力，嚴重阻礙了演算法的大規模部署。

雖然，從表面上看，基於人臉關鍵特徵的識別方法有諸多缺點，且效率較低。但演算法能夠從人類的先驗知識出發，直觀而樸素，一定程度上推動了人臉識別技術的發展和普及，為後續更智慧的演算法奠定了基礎。

作者：AIoT產品，10年B端產品設計經驗；微信公眾號：AIoT產品

本文由@AIoT產品 原創釋出於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議